基于带噪声门的贝叶斯网络的 Rubric 式学习者建模：用于计算思维技能评估
人工智能
2024-08-05 v1 新兴技术
摘要
在现代和个性化教育中，开发学习者能力并准确评估它们的兴趣日益增长。在先前的工作中，我们提出了一种从任务特定的能力 Rubric 中推导学习者模型以进行自动技能评估的程序，从而简化了自动评估工具的实现。然而，此前方法有两个主要局限：(i) 由评估 Rubric 定义的能力之间的排序仅间接地建模；(ii) 未纳入完成任务所必需但不在评估范围内的补充技能。为解决问题 (i)，我们引入虚拟观察节点，严格强制技能排序而不改变网络结构。在此基础上，为解决问题 (ii)，我们设计了一个具有两层门的网络，一层使用带噪声 OR 门执行析取运算，另一层通过逻辑 AND 执行合取运算。此类变更改善了模型结果的一致性和建模工具的灵活性，而不会损害模型的紧凑参数化、可解释性以及专家 elicitation 的简单性。我们使用此方法开发了一个用于计算思维（CT）技能评估的学习者模型。CT 立方技能评估框架和 Cross Array 任务（CAT）用于示例并演示其可行性。
关键词
引用
@article{arxiv.2408.01221,
title = {Rubric-based Learner Modelling via Noisy Gates Bayesian Networks for Computational Thinking Skills Assessment},
author = {Giorgia Adorni and Francesca Mangili and Alberto Piatti and Claudio Bonesana and Alessandro Antonucci},
journal= {arXiv preprint arXiv:2408.01221},
year = {2024}
}